Revisiting Panel Data Discrete Choice Models with Lagged Dependent Variables
重新研究含滞后因变量的面板离散选择模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究带固定效应和滞后因变量的面板二元选择模型。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
重新研究含滞后因变量的面板离散选择模型
- 研究问题
- 含滞后因变量、外生协变量和个体固定效应的半参数二元选择面板模型，如何在允许灵活时间趋势时实现识别与估计？
- 方法与思路
- 作者采用无穷远处识别论证，提出条件最大得分估计量，研究其渐近性质，并通过模拟与澳大利亚私人医保参保数据展示应用。
- 材料陈述的贡献
- 摘要称该识别策略允许任意形式的时间趋势、避免其所指的维数灾难，并完整刻画估计量渐近性质，报告小规模模拟表现。
- 阅读关注点
- 核对无穷远处识别需要的支持条件、时间趋势进入模型的方式，以及估计量的收敛速度、推断方法和有限样本可行性。
- 阅读边界
- 所据版本为 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未列出识别与渐近条件，模拟结论也缺少数值。
原文摘要
This paper revisits the identification and estimation of a class of semiparametric (distribution-free) panel data binary choice models with lagged dependent variables, exogenous covariates, and entity fixed effects. We provide a novel identification strategy, using an "identification at infinity" argument. In contrast with the celebrated Honore and Kyriazidou (2000), our method permits time trends of any form and does not suffer from the "curse of dimensionality". We propose an easily implementable conditional maximum score estimator. The asymptotic properties of the proposed estimator are fully characterized. A small-scale Monte Carlo study demonstrates that our approach performs satisfactorily in finite samples. We illustrate the usefulness of our method by presenting an empirical application to enrollment in private hospital insurance using the Household, Income and Labour Dynamics in Australia (HILDA) Survey data.